CN109508007A - 一种基于多源信息融合的农机轨迹跟踪、避障系统及方法 - Google Patents

一种基于多源信息融合的农机轨迹跟踪、避障系统及方法 Download PDF

Info

Publication number
CN109508007A
CN109508007A CN201811508272.7A CN201811508272A CN109508007A CN 109508007 A CN109508007 A CN 109508007A CN 201811508272 A CN201811508272 A CN 201811508272A CN 109508007 A CN109508007 A CN 109508007A
Authority
CN
China
Prior art keywords
module
path
agricultural machinery
decision
source information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811508272.7A
Other languages
English (en)
Inventor
殷国栋
薛培林
吴愿
刘帅鹏
陈浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201811508272.7A priority Critical patent/CN109508007A/zh
Publication of CN109508007A publication Critical patent/CN109508007A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0227—Control of position or course in two dimensions specially adapted to land vehicles using mechanical sensing means, e.g. for sensing treated area
    • G05D1/0229—Control of position or course in two dimensions specially adapted to land vehicles using mechanical sensing means, e.g. for sensing treated area in combination with fixed guiding means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于多源信息融合的农机轨迹跟踪、避障系统及方法，包括用户交互模块、环境感知模块、多源信息融合模块、路径规划决策模块和执行模块，用户交互模块由用户选择关键点，生成全局规划的参考路径，同时实时显示农机状态；环境感知模块实时采集当前路况、环境数据以及车辆位姿信息；多源信息融合模块将环境感知模块采集到的不同传感器且在同一环境内的信息去除噪声，进行融合处理；路径规划决策模块将得到的融合过的环境信息与参考路径信息对比，决策出当前适宜的转角速度控制量；执行模块与路径规划决策模块相连通，控制农机完成跟踪任务；本发明克服了现有路径跟踪方法精度不高且遇到障碍物无法绕行的缺点。

Description

一种基于多源信息融合的农机轨迹跟踪、避障系统及方法
技术领域
本发明涉及一种基于多源信息融合的农机轨迹跟踪、避障系统及方法，属于智能控制领域。
背景技术
农业生产是人类繁衍生存最基础的物资来源，我国是个农业大国，却是个农业弱国，为满足社会经济发展和人民生活水平逐渐提高的需要，就要加快发展农业机械化，推进农业精准化、精细化，发展精准农业；同时，由于当前农业生产收益年年下滑、生产成本节节攀升，严重打击了农业从业人员的生产，农业劳动力投入逐渐不足，推进无人驾驶农机发展，提高粮食产量，改善农业智能化水平刻不容缓。
当前农机路径跟踪以及避障已经成为农机智能化的研究热点；自动驾驶包含两方面内容，一是导航定位技术，二是路径跟踪技术。导航技术主要是采用传感器进行车辆定位，依赖于传感器精度，可靠性；路径跟踪则是控制车辆按照规划好的路线行驶，跟踪精度直接关乎农机装备的可靠性，影响农机作业精准度。
已有的农机路径跟踪技术主要是跟踪全局路径，但无人驾驶农机在实际行驶时，预先给定的参考路径可能存在石头、电线杆、树枝等障碍物，当遇到障碍物时，无人驾驶车辆需要根据障碍物信息进行局部路径规划，绕开障碍物继续行驶，避让障碍物后，继续完成全局路径跟踪。
发明内容
本发明提供一种基于多源信息融合的农机轨迹跟踪、避障系统及方法，克服了现有路径跟踪方法精度不高且遇到障碍物无法绕行的缺点。
本发明解决其技术问题所采用的技术方案是：
一种基于多源信息融合的农机轨迹跟踪、避障系统，包括用户交互模块、环境感知模块、多源信息融合模块、路径规划决策模块和执行模块，前述的用户交互模块由用户选择关键点，生成全局规划的参考路径，同时实时显示农机状态；环境感知模块实时采集当前路况、环境数据以及车辆位姿信息；所述的多源信息融合模块与环境感知模块相连通，将环境感知模块采集到的不同传感器且在同一环境内的信息去除噪声，进行融合处理；前述的路径规划决策模块与多源信息融合模块相连通，将得到的融合过的环境信息与参考路径信息对比，决策出当前适宜的转角速度控制量；所述的执行模块与路径规划决策模块相连通，接受路径规划决策模块的转角、刹车指令，控制农机完成跟踪任务；
前述的路径规划决策模块包括轨迹重规划模块和轨迹跟踪控制模块；
作为本发明的进一步优选，前述的用户交互模块由显示屏、路径生成器组成；环境感知模块包括轮速传感器、激光雷达、摄像头和组合导航系统；前述的执行模块包括转向电机、制动器和油门踏板；
作为本发明的进一步优选，前述的路径规划决策模块由带避障功能的轨迹重规划和跟踪控制器组成。
一种基于多源信息融合的农机轨迹跟踪、避障方法，包括以下步骤：
第一步：用户交互模块由用户选择离散点，完成全局路径规划形成参考路径，并传输至路径规划决策模块；
第二步：环境感知模块监测农机周围路况信息以及车辆位姿信息，将信息传输至多源信息融合模块；
第三步：多源信息融合模块利用离线训练好的神经网络处理由环境感知模块处接收到的数据，得到处理过的当前农机位置、速度、航向角、障碍物距离和尺寸，传输至路径规划决策模块；
第四步：路径规划决策模块接收由多源信息融合模块处传送的状态数据，
当障碍物和车辆距离小于安全距离，则路径规划决策模块内的轨迹重规划模块利用MPC理论规划出避障路径，路径规划决策模块内的轨迹跟踪控制模块跟踪避障路径；
当障碍物和车辆距离属于安全距离，则路径规划决策模块内的轨迹重规划模块继续输出全局参考路径，轨迹跟踪控制模块跟踪全局规划路径行驶；
第五步：执行模块接收由路径规划决策模块传送的控制指令，控制车辆转向，实施避障或全局路径跟踪操作。
第六步：重复以上步骤二到步骤五过程，直至全局路径跟踪结束；
作为本发明的进一步优选，路径决策控制模块中的轨迹重规划过程包括如下步骤：
4a：建立车辆点质量模型
考虑车辆动力学约束，加入约束条件|ay|<ug，式中，x、y代表车辆位置，为航向角，ay为纵向加速度；
4b：避障功能函数选取为式中，Sobs为权重系数，vi＝vx 2+vy 2,(xi,yi)是障碍物点在车身坐标系下的位置坐标，(x0,y0)是车辆质心坐标系，ζ为较小的正数，防止分母为0；
轨迹规划层的模型控制器为s.t.Umin≤Ut≤Umax，式中，Jobs,i为采样时刻i的避障函数；
4c：进行局部路径规划，将输出的局部参考路径离散点进行多项式拟合，建立连续的路径，实现局部规划与控制的对接，选用5次多项式进行拟合，得到
Y＝a0t5+a1t4+a2t3+a3t2+a4t1+a5
作为本发明的进一步优选，路径决策控制模块中路径跟踪控制模块采用的是模型预测方法，包括如下步骤：
A：获取农机车辆结构参数及当前位姿信息，根据二自由度模型理论，进行农机动力学建模，
其中定义CG为农机的质心，γ为农机的横摆角速度，β为质心侧偏角，δf为前轮转角，Cf为前轮侧偏刚度，Cr为后轮侧偏刚度，Iz为绕通过其质心CG的垂直轴线转动惯量，前后轮到CG距离为lf和lr，vx和vy分别代表农机的纵向速度和侧向速度；
B：采用优化函数为
s.t.△Umin≤△Ut≤△Umax
Umin≤A△Ut+Ut≤Umax
yhc.min≤yhc≤yhc.max
ysc.min-ε≤ysc≤ysc.min+ε
ε>0，
式中，为轨迹重规划层输出的局部参考轨迹，Np为控制时域，Nc为控制时域，Q表示为预测时域的权重矩阵,R为控制时域的权重矩阵，ρ为权重系数，ε为松弛因子，i表示当前时刻后的第i步，yhc和ysc分别代表硬约束和软约束；
C：在每个周期内求解二次型问题，得到智能农机的当前最优控制序列
D：将该序列第一个元素作为实际控制量，即可得到前轮转角为δ，由此即可得到决策控制模块的实际输出；
作为本发明的进一步优选，环境感知模块包括轮速传感器、激光雷达、摄像头和组合导航系统，且轮速传感器、摄像头、激光雷达、组合导航系统与主控制设备间的数据交互方式，采用CAN、RS-232、RS-422、或SPI的方式实现的。
通过以上技术方案，相对于现有技术，本发明具有以下有益效果：
本发明所提出的具备上层规划能力的农机路径跟踪系统，基于MPC设计局部轨迹重规划方法和跟踪控制器，融合多传感器数据，可以适应农机不同作业场景，避免了农田作业遇到障碍物跟踪即失效的场景，在实现避让障碍物的同时，完成对全局路径跟踪的任务；
本发明整体控制框架简单，鲁棒性强，跟踪精度高，适合农业机械使用。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的优选实施例的总体框架图；
图2为本发明的优选实施例的轨迹重规划和轨迹跟踪原理图；
图3为本发明的优选实施例的智能农机动力学模型。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
图1所示，本发明的一种基于多源信息融合的农机轨迹跟踪、避障系统，包括用户交互模块、环境感知模块、多源信息融合模块、路径规划决策模块和执行模块，前述的用户交互模块由用户选择关键点，生成全局规划的参考路径，同时实时显示农机状态；环境感知模块实时采集当前路况、环境数据以及车辆位姿信息；所述的多源信息融合模块与环境感知模块相连通，将环境感知模块采集到的不同传感器且在同一环境内的信息去除噪声，进行融合处理；前述的路径规划决策模块与多源信息融合模块相连通，将得到的融合过的环境信息与参考路径信息对比，决策出当前适宜的转角速度控制量；所述的执行模块与路径规划决策模块相连通，接受路径规划决策模块的转角、刹车指令，控制农机完成跟踪任务；
前述的路径规划决策模块包括轨迹重规划模块和轨迹跟踪控制模块；
作为本发明的进一步优选，前述的用户交互模块由显示屏、路径生成器组成；环境感知模块包括轮速传感器、激光雷达、摄像头和组合导航系统；前述的执行模块包括转向电机、制动器和油门踏板；
作为本发明的进一步优选，前述的路径规划决策模块由带避障功能的轨迹重规划和跟踪控制器组成。
一种基于多源信息融合的农机轨迹跟踪、避障方法，包括以下步骤：
第一步：用户交互模块由用户选择离散点，完成全局路径规划形成参考路径，并传输至路径规划决策模块；
第二步：环境感知模块监测农机周围路况信息以及车辆位姿信息，将信息传输至多源信息融合模块；
第三步：多源信息融合模块利用离线训练好的神经网络处理由环境感知模块处接收到的数据，得到处理过的当前农机位置、速度、航向角、障碍物距离和尺寸，传输至路径规划决策模块；
第四步：路径规划决策模块接收由多源信息融合模块处传送的状态数据，
图2所示，当障碍物和车辆距离小于安全距离，则路径规划决策模块内的轨迹重规划模块利用MPC理论规划出避障路径，路径规划决策模块内的轨迹跟踪控制模块跟踪避障路径；
当障碍物和车辆距离属于安全距离，则路径规划决策模块内的轨迹重规划模块继续输出全局参考路径，轨迹跟踪控制模块跟踪全局规划路径行驶；
第五步：执行模块接收由路径规划决策模块传送的控制指令，控制车辆转向，实施避障或全局路径跟踪操作。
第六步：重复以上步骤二到步骤五过程，直至全局路径跟踪结束；
作为本发明的进一步优选，路径决策控制模块中的轨迹重规划过程包括如下步骤：
4a：建立车辆点质量模型
考虑车辆动力学约束，加入约束条件|ay|<ug，式中，x、y代表车辆位置，为航向角，ay为纵向加速度；
4b：避障功能函数选取为式中，Sobs为权重系数，vi＝vx 2+vy 2,(xi,yi)是障碍物点在车身坐标系下的位置坐标，(x0,y0)是车辆质心坐标系，ζ为较小的正数，防止分母为0；
轨迹规划层的模型控制器为s.t.Umin≤Ut≤Umax，式中，Jobs,i为采样时刻i的避障函数；
4c：进行局部路径规划，将输出的局部参考路径离散点进行多项式拟合，建立连续的路径，实现局部规划与控制的对接，选用5次多项式进行拟合，得到
Y＝a0t5+a1t4+a2t3+a3t2+a4t1+a5
作为本发明的进一步优选，路径决策控制模块中路径跟踪控制模块采用的是模型预测方法，包括如下步骤：
A：获取农机车辆结构参数及当前位姿信息，根据二自由度模型理论，进行农机动力学建模，受力原理图如图3所示，
其中定义CG为农机的质心，γ为农机的横摆角速度，β为质心侧偏角，δf为前轮转角，Cf为前轮侧偏刚度，Cr为后轮侧偏刚度，Iz为绕通过其质心CG的垂直轴线转动惯量，前后轮到CG距离为lf和lr，vx和vy分别代表农机的纵向速度和侧向速度；
B：采用优化函数为
s.t.△Umin≤△Ut≤△Umax
Umin≤A△Ut+Ut≤Umax
yhc.min≤yhc≤yhc.max
ysc.min-ε≤ysc≤ysc.min+ε
ε>0，
式中，为轨迹重规划层输出的局部参考轨迹，Np为控制时域，Nc为控制时域，Q表示为预测时域的权重矩阵,R为控制时域的权重矩阵，ρ为权重系数，ε为松弛因子，i表示当前时刻后的第i步，yhc和ysc分别代表硬约束和软约束；
C：在每个周期内求解二次型问题，得到智能农机的当前最优控制序列
△Ut *＝[△ut *,△ut+1 *,…,△ut+Nc-1 *]T；
D：将该序列第一个元素作为实际控制量，即可得到前轮转角为δ，由此即可得到决策控制模块的实际输出；
作为本发明的进一步优选，环境感知模块包括轮速传感器、激光雷达、摄像头和组合导航系统，且轮速传感器、摄像头、激光雷达、组合导航系统与主控制设备间的数据交互方式，采用CAN、RS-232、RS-422、或SPI的方式实现的。
用户交互模块是通过液晶屏实现的。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (7)

1.一种基于多源信息融合的农机轨迹跟踪、避障系统，其特征在于：包括用户交互模块、环境感知模块、多源信息融合模块、路径规划决策模块和执行模块，前述的用户交互模块由用户选择关键点，生成全局规划的参考路径，同时实时显示农机状态；环境感知模块实时采集当前路况、环境数据以及车辆位姿信息；所述的多源信息融合模块与环境感知模块相连通，将环境感知模块采集到的不同传感器且在同一环境内的信息去除噪声，进行融合处理；前述的路径规划决策模块与多源信息融合模块相连通，将得到的融合过的环境信息与参考路径信息对比，决策出当前适宜的转角速度控制量；所述的执行模块与路径规划决策模块相连通，接受路径规划决策模块的转角、刹车指令，控制农机完成跟踪任务；
前述的路径规划决策模块包括轨迹重规划模块和轨迹跟踪控制模块。
2.根据权利要求1所述的基于多源信息融合的农机轨迹跟踪、避障系统，其特征在于：前述的用户交互模块由显示屏、路径生成器组成；环境感知模块包括轮速传感器、激光雷达、摄像头和组合导航系统；前述的执行模块包括转向电机、制动器和油门踏板。
3.根据权利要求1所述的基于多源信息融合的农机轨迹跟踪、避障系统，其特征在于：前述的路径规划决策模块由带避障功能的轨迹重规划和跟踪控制器组成。
4.一种基于多源信息融合的农机轨迹跟踪、避障方法，其特征在于：包括以下步骤：
第一步：用户交互模块由用户选择离散点，完成全局路径规划形成参考路径，并传输至路径规划决策模块；
第二步：环境感知模块监测农机周围路况信息以及车辆位姿信息，将信息传输至多源信息融合模块；
第三步：多源信息融合模块利用离线训练好的神经网络处理由环境感知模块处接收到的数据，得到处理过的当前农机位置、速度、航向角、障碍物距离和尺寸，传输至路径规划决策模块；
第四步：路径规划决策模块接收由多源信息融合模块处传送的状态数据，
当障碍物和车辆距离小于安全距离，则路径规划决策模块内的轨迹重规划模块利用MPC理论规划出避障路径，路径规划决策模块内的轨迹跟踪控制模块跟踪避障路径；
当障碍物和车辆距离属于安全距离，则路径规划决策模块内的轨迹重规划模块继续输出全局参考路径，轨迹跟踪控制模块跟踪全局规划路径行驶；
第五步：执行模块接收由路径规划决策模块传送的控制指令，控制车辆转向，实施避障或全局路径跟踪操作。
第六步：重复以上步骤二到步骤五过程，直至全局路径跟踪结束。
5.根据权利要求4所述的基于多源信息融合的农机轨迹跟踪、避障方法，其特征在于：
路径决策控制模块中的轨迹重规划过程包括如下步骤：
4a：建立车辆点质量模型
考虑车辆动力学约束，加入约束条件|ay|<ug，式中，x、y代表车辆位置，为航向角，ay为纵向加速度；
4b：避障功能函数选取为式中，Sobs为权重系数，vi＝vx 2+vy 2,(xi,yi)是障碍物点在车身坐标系下的位置坐标，(x0,y0)是车辆质心坐标系，ζ为较小的正数，防止分母为0；
轨迹规划层的模型控制器为式中，Jobs,i为采样时刻i的避障函数；
4c：进行局部路径规划，将输出的局部参考路径离散点进行多项式拟合，建立连续的路径，实现局部规划与控制的对接，选用5次多项式进行拟合，得到
Y＝a0t5+a1t4+a2t3+a3t2+a4t1+a5
6.根据权利要求4所述的基于多源信息融合的农机轨迹跟踪、避障方法，其特征在于：路径决策控制模块中路径跟踪控制模块采用的是模型预测方法，包括如下步骤：
A：获取农机车辆结构参数及当前位姿信息，根据二自由度模型理论，进行农机动力学建模，
其中定义CG为农机的质心，γ为农机的横摆角速度，β为质心侧偏角，δf为前轮转角，Cf为前轮侧偏刚度，Cr为后轮侧偏刚度，Iz为绕通过其质心CG的垂直轴线转动惯量，前后轮到CG距离为lf和lr，vx和vy分别代表农机的纵向速度和侧向速度；
B：采用优化函数为
s.t.△Umin≤△Ut≤△Umax
Umin≤A△Ut+Ut≤Umax
yhc.min≤yhc≤yhc.max
ysc.min-ε≤ysc≤ysc.min+ε
ε>0，
式中，为轨迹重规划层输出的局部参考轨迹，Np为控制时域，Nc为控制时域，Q表示为预测时域的权重矩阵,R为控制时域的权重矩阵，ρ为权重系数，ε为松弛因子，i表示当前时刻后的第i步，yhc和ysc分别代表硬约束和软约束；
C：在每个周期内求解二次型问题，得到智能农机的当前最优控制序列
D：将该序列第一个元素作为实际控制量，即可得到前轮转角为δ，由此即可得到决策控制模块的实际输出。
7.根据权利要求4所述的基于多源信息融合的农机轨迹跟踪、避障方法，其特征在于：环境感知模块包括轮速传感器、激光雷达、摄像头和组合导航系统，且轮速传感器、摄像头、激光雷达、组合导航系统与主控制设备间的数据交互方式，采用CAN、RS-232、RS-422、或SPI的方式实现的。
CN201811508272.7A 2018-12-11 2018-12-11 一种基于多源信息融合的农机轨迹跟踪、避障系统及方法 Pending CN109508007A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811508272.7A CN109508007A (zh) 2018-12-11 2018-12-11 一种基于多源信息融合的农机轨迹跟踪、避障系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811508272.7A CN109508007A (zh) 2018-12-11 2018-12-11 一种基于多源信息融合的农机轨迹跟踪、避障系统及方法

Publications (1)

Publication Number Publication Date
CN109508007A true CN109508007A (zh) 2019-03-22

Family

ID=65752047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811508272.7A Pending CN109508007A (zh) 2018-12-11 2018-12-11 一种基于多源信息融合的农机轨迹跟踪、避障系统及方法

Country Status (1)

Country Link
CN (1) CN109508007A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110109451A (zh) * 2019-04-10 2019-08-09 东南大学 一种考虑路径曲率的新型几何学路径跟踪算法
CN110147105A (zh) * 2019-05-27 2019-08-20 安徽江淮汽车集团股份有限公司 无人驾驶车辆的路径控制方法、设备、存储介质及装置
CN110194041A (zh) * 2019-05-19 2019-09-03 瑞立集团瑞安汽车零部件有限公司 多源信息融合的自适应车身高度调节方法
CN110209157A (zh) * 2019-04-09 2019-09-06 丰疆智能科技股份有限公司 自动收割机的障碍物避让系统及其方法
CN110243368A (zh) * 2019-04-29 2019-09-17 丰疆智能科技研究院(常州)有限公司 智能农机的行驶轨迹建立系统及其应用
CN110320916A (zh) * 2019-07-24 2019-10-11 上海交通大学 考虑乘员感受的自动驾驶汽车轨迹规划方法及系统
CN110539752A (zh) * 2019-06-26 2019-12-06 江苏大学 一种智能汽车多预测范围模型预测轨迹跟踪控制方法及系统
CN110889198A (zh) * 2019-11-01 2020-03-17 中国科学院国家空间科学中心 一种基于多因素联合学习的航位概率分布预测方法及系统
CN111596334A (zh) * 2020-06-23 2020-08-28 重庆赛迪奇智人工智能科技有限公司 一种厂区铁路网中机车二自由度精准定位方法
CN112041773A (zh) * 2019-03-29 2020-12-04 百度时代网络技术（北京）有限公司 自动驾驶车辆的规划和控制之间的通信协议
CN112298178A (zh) * 2020-11-09 2021-02-02 江苏悦达集团有限公司 一种无人拖拉机控制系统
CN112904855A (zh) * 2021-01-19 2021-06-04 四川阿泰因机器人智能装备有限公司 基于改进动态窗口的跟随机器人局部路径规划方法
CN113625702A (zh) * 2020-10-28 2021-11-09 北京科技大学 基于二次规划的无人车同时路径跟踪与避障方法
CN113844442A (zh) * 2021-10-22 2021-12-28 大连理工大学 一种无人运输的全局多源感知融合及局部避障方法和系统
CN114200926A (zh) * 2021-11-12 2022-03-18 河南工业大学 一种无人驾驶车辆的局部路径规划方法及系统
CN114415694A (zh) * 2022-03-28 2022-04-29 北京理工大学 一种面向自动驾驶车辆的实时轨迹规划方法及系统
CN114625121A (zh) * 2022-01-24 2022-06-14 成都理工大学 基于多传感器融合的自主巡检探索小车系统及导航方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866181A (zh) * 2009-04-16 2010-10-20 中国农业大学 农用机械的导航方法、导航装置和农用机械
CN106502252A (zh) * 2016-12-05 2017-03-15 聊城大学 多传感器融合的拖拉机导航控制系统及其定位、控制方法
CN106840211A (zh) * 2017-03-24 2017-06-13 东南大学 一种基于kf和stupf组合滤波的sins大方位失准角初始对准方法
CN106874886A (zh) * 2017-03-10 2017-06-20 南京沃杨机械科技有限公司 用于农机无人驾驶的多传感器融合的农田环境感知方法
CN107168319A (zh) * 2017-06-01 2017-09-15 同济大学 一种基于模型预测控制的无人车避障方法
CN107867290A (zh) * 2017-11-07 2018-04-03 长春工业大学 一种考虑运动障碍物的汽车紧急避撞分层式控制方法
US10466361B2 (en) * 2017-03-14 2019-11-05 Toyota Research Institute, Inc. Systems and methods for multi-sensor fusion using permutation matrix track association

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866181A (zh) * 2009-04-16 2010-10-20 中国农业大学 农用机械的导航方法、导航装置和农用机械
CN106502252A (zh) * 2016-12-05 2017-03-15 聊城大学 多传感器融合的拖拉机导航控制系统及其定位、控制方法
CN106874886A (zh) * 2017-03-10 2017-06-20 南京沃杨机械科技有限公司 用于农机无人驾驶的多传感器融合的农田环境感知方法
US10466361B2 (en) * 2017-03-14 2019-11-05 Toyota Research Institute, Inc. Systems and methods for multi-sensor fusion using permutation matrix track association
CN106840211A (zh) * 2017-03-24 2017-06-13 东南大学 一种基于kf和stupf组合滤波的sins大方位失准角初始对准方法
CN107168319A (zh) * 2017-06-01 2017-09-15 同济大学 一种基于模型预测控制的无人车避障方法
CN107867290A (zh) * 2017-11-07 2018-04-03 长春工业大学 一种考虑运动障碍物的汽车紧急避撞分层式控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
VAHID HASSANI 等: "Path Planning for Marine Vehicles using Bézier Curves", 《IFAC-PAPERS ONLINE》 *
张巍: "基于模型预测和路径规划的汽车主动转向避撞控制研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
汪 等: "基于不同紧急工况辨识的车辆主动避撞自适应控制", 《机械工程学报》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112041773A (zh) * 2019-03-29 2020-12-04 百度时代网络技术（北京）有限公司 自动驾驶车辆的规划和控制之间的通信协议
CN110209157A (zh) * 2019-04-09 2019-09-06 丰疆智能科技股份有限公司 自动收割机的障碍物避让系统及其方法
CN110109451A (zh) * 2019-04-10 2019-08-09 东南大学 一种考虑路径曲率的新型几何学路径跟踪算法
CN110109451B (zh) * 2019-04-10 2022-07-12 东南大学 一种考虑路径曲率的新型几何学路径跟踪算法
CN110243368A (zh) * 2019-04-29 2019-09-17 丰疆智能科技研究院(常州)有限公司 智能农机的行驶轨迹建立系统及其应用
CN110194041A (zh) * 2019-05-19 2019-09-03 瑞立集团瑞安汽车零部件有限公司 多源信息融合的自适应车身高度调节方法
CN110147105A (zh) * 2019-05-27 2019-08-20 安徽江淮汽车集团股份有限公司 无人驾驶车辆的路径控制方法、设备、存储介质及装置
CN110539752A (zh) * 2019-06-26 2019-12-06 江苏大学 一种智能汽车多预测范围模型预测轨迹跟踪控制方法及系统
CN110539752B (zh) * 2019-06-26 2020-12-18 江苏大学 一种智能汽车多预测范围模型预测轨迹跟踪控制方法及系统
CN110320916A (zh) * 2019-07-24 2019-10-11 上海交通大学 考虑乘员感受的自动驾驶汽车轨迹规划方法及系统
CN110889198A (zh) * 2019-11-01 2020-03-17 中国科学院国家空间科学中心 一种基于多因素联合学习的航位概率分布预测方法及系统
CN110889198B (zh) * 2019-11-01 2023-05-19 中国科学院国家空间科学中心 一种基于多因素联合学习的航位概率分布预测方法及系统
CN111596334A (zh) * 2020-06-23 2020-08-28 重庆赛迪奇智人工智能科技有限公司 一种厂区铁路网中机车二自由度精准定位方法
CN113625702A (zh) * 2020-10-28 2021-11-09 北京科技大学 基于二次规划的无人车同时路径跟踪与避障方法
CN113625702B (zh) * 2020-10-28 2023-09-22 北京科技大学 基于二次规划的无人车同时路径跟踪与避障方法
CN112298178A (zh) * 2020-11-09 2021-02-02 江苏悦达集团有限公司 一种无人拖拉机控制系统
CN112904855A (zh) * 2021-01-19 2021-06-04 四川阿泰因机器人智能装备有限公司 基于改进动态窗口的跟随机器人局部路径规划方法
CN112904855B (zh) * 2021-01-19 2022-08-16 四川阿泰因机器人智能装备有限公司 基于改进动态窗口的跟随机器人局部路径规划方法
CN113844442A (zh) * 2021-10-22 2021-12-28 大连理工大学 一种无人运输的全局多源感知融合及局部避障方法和系统
CN114200926A (zh) * 2021-11-12 2022-03-18 河南工业大学 一种无人驾驶车辆的局部路径规划方法及系统
CN114625121A (zh) * 2022-01-24 2022-06-14 成都理工大学 基于多传感器融合的自主巡检探索小车系统及导航方法
CN114415694A (zh) * 2022-03-28 2022-04-29 北京理工大学 一种面向自动驾驶车辆的实时轨迹规划方法及系统

Similar Documents

Publication Publication Date Title
CN109508007A (zh) 一种基于多源信息融合的农机轨迹跟踪、避障系统及方法
CN109375632B (zh) 自动驾驶车辆实时轨迹规划方法
WO2022193584A1 (zh) 一种面向多场景的自动驾驶规划方法及系统
CN110341711B (zh) 一种基于码头环境的行驶轨迹生成系统及方法
JP6969962B2 (ja) 車両の運転支援及び／又は走行制御のための地図情報提供システム
Noguchi et al. Development of a master–slave robot system for farm operations
Gehrig et al. Collision avoidance for vehicle-following systems
CN105549616B (zh) 一种基于激光阵列的多轴无人机避障系统及其避障方法
Zhao et al. Dynamic motion planning for autonomous vehicle in unknown environments
Han et al. Proportional navigation-based collision avoidance for UAVs
CN110262495A (zh) 可实现移动机器人自主导航与精确定位的控制系统及方法
CN106595631A (zh) 一种躲避障碍物的方法及电子设备
CN106054896A (zh) 一种智能导航机器人小车系统
CN107643752A (zh) 基于行人轨迹预测的全向移动机器人路径规划算法
Bae et al. Path generation and tracking based on a Bezier curve for a steering rate controller of autonomous vehicles
CN106909144A (zh) 用于农机无人驾驶的田间避障路径规划及其控制方法
CN106094835A (zh) 前轮驱动车式移动机器人的动态编队控制方法
CN106909151A (zh) 用于农机无人驾驶的路径规划及其控制方法
CN104569998B (zh) 基于激光雷达的车辆安全行驶区域的检测方法及装置
CN112068574A (zh) 一种无人车在动态复杂环境中的控制方法及系统
CN110162046A (zh) 基于事件触发型模型预测控制的无人车路径跟随方法
CN104808590A (zh) 一种基于关键帧策略的移动机器人视觉伺服控制方法
CN109857098A (zh) 一种基于mpc的自动驾驶农机轨迹跟踪系统及方法
CN114022824A (zh) 一种面向狭窄环境的四足机器人运动规划方法
CN111506063B (zh) 一种基于分层强化学习框架的移动机器人无图导航方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190322